EFEK PENERAPAN MODEL NORMALISASI DATA LUARAN OLFAKTORI ELEKTRONIK (E-NOSE) PADA TINGKAT PENGENALAN POLA

FRIDA AGUNG RAKHMADI, Dr. Eng. Kuwat Triyana, M.Si.

2011 | Tesis | S2 Ilmu Fisika

Pre-processing menggunakan tujuh model normalisasi telah dilakukan untuk meningkatkan tingkat diskriminasi pola luaran olfaktori elektronik (e-nose) yang semula mirip satu sama lain. Semua model diadopsi dari model normalisasi yang sudah biasa digunakan dalam pemrosesan data. Model-model tersebut adalah range scale1 , range scale2, relative scale1, relative scale2, baseline subtraction, global method, dan local method. Dalam hal ini, tingkat diskriminasi yang tinggi adalah penting dalam meningkatkan unjuk kerja sistem pengenal pola dari e-nose. Untuk memperoleh sampel-sampel latih, enam variasi rasio campuran serbuk kunyit dan temulawak dipaparkan secara langsung terhadap e-nose. Sebelum dilatihkan ke sistem pengenal pola, semua pola dinormalisasi. Sistem pengenal pola yang digunakan dalam penelitian ini adalah jaringan syaraf tiruan propagasi balik (JST-PB). Efek ketujuh model tersebut terhadap unjuk kerja sistem pengenal pola ditandai oleh prosentase ripitibilitas pengenalan dalam mengenali pola-pola dari sampel uji. Dalam hal ini, sampel uji diperlakukan menggunakan prosedur yang sama dengan sampel latih. Sebagai hasilnya, efek normalisasi dapat meningkatkan diskriminasi pola secara visual. Namun, dari ketujuh model normalisasi, range scale1 dan range scale2 merupakan model normalisasi yang terbaik ditunjukkan oleh tingginya (??90%) nilai pengenalan pola dan ripitibilitasnya.

The pre-processing using seven normalization models was carried out to improve the degree of pattern discrimination of electronic nose (e-nose) outputs which are initially similar each other. All models are adopted from the well known models that are usually used in data processing. They are: range scale1 , range scale2, relative scale1, relative scale2, baseline subtraction, global method, and local method. In this case, high discrimination degree is important in improving the performance of pattern recognition system of e-nose. To provide a set of trained samples, six variants of mix ratio between turmuric and wild ginger were exposed to e-nose. Before being trained to the pattern recognition system, all the patterns were normalized. The pattern recognition system used in this research is back propagation artificial neural network (BP-ANN). Effect of the seven models on the performance of pattern recognition system is marked by the percentage of recognition repeatibility in recognizing the patterns of test samples. In this case, the test samples were treated using the same procedures similar to that of the trained samples. As the result, the normalization effect may improves the pattern discrimination visually. However, from the seven normalization models, range scale1 and range scale2 are the best models shown by the high (??90%) pattern recognition degree and repeatibility.

Kata Kunci : Pre-processing menggunakan tujuh model normalisasi telah dilakukan untuk meningkatkan tingkat diskriminasi pola luaran olfaktori elektronik (e-nose) yang semula mirip satu sama lain. Semua model diadopsi dari model normalisasi yang sudah biasa digunakan d